（二）理论框架和方法
作者：
Bo-Kyung Elizabeth Kim, PhD博士
Amy Castro, PhD博士
Stacia West, PhD博士
Nidhi Tandon, MPhil硕士
Loraine Ho, BA文学学士
Vanessa Tepos Nguyen, MPH 公共卫生硕士
Karim Sharif, MSSP
译者：刘歆瑶
发布时间：2024 年 7 月
本研究中使用的所有研究方法均已获得宾夕法尼亚大学（宾大）、加州大学洛杉矶分校和南加州大学机构审查委员会的批准。本研究的理论框架认为，长期匮乏的经历会降低认知能力、增加财务脆弱性并削弱个人应对压力的能力（Mani 等人，2013 年；Shah 等人，2021 年）。反过来，物质上的困难又会造成一种匮乏心态，对身心健康产生负面影响，破坏目标设定，削弱希望，并将人们禁锢在当下（West 等人，2023 年）。当匮乏困住一个人的时候，他们的认知能力就不可避免地专注于他们的财务状况，几乎没有认知带宽或资源来寻找出路。因此，无条件现金为消除稀缺性和平滑收入波动提供了途径，从而为其他生存和决策方式创造了空间（West & Castro，2023；West 等人，2023）。这一连串的变化需要经常性的、可预测的现金，而不是一次性的或短期的现金转移，现金转移可以缓解物质困难，但与福祉的变化无关。最后，鉴于洛杉矶市有兴趣测试无条件现金与社区暴力、安全和亲密伴侣暴力（IPV）之间的关系，这一设计还借鉴了一些文献，这些文献从理论上论证了基本收入如何能够对没有能力摆脱不安全关系和生活条件的妇女产生解放影响（Gonalons-Pons & Calnitsky, 2022; Miller et al.） 20 世纪 70 年代的收入实验数据显示，无条件现金可减少社区暴力和 IPV（Calnitsky & Gonalons-Pons，2021；Gonalons-Pons&Calnitsky，2022），而本研究则是当前美国 “第三波 “格洛实验中的首个 RCT，研究了社区暴力和 IPV 问题（Widerquist，2019，第 31 页）。
根据分析计划（ABT Associates，2023 年），主要研究问题如下：
1. GI 如何影响参与者的生活质量？
2. GI 与参与者的主观自我感觉之间有什么关系？
3. GI 如何影响参与者的收入？
4. 全球倡议的实施对现有安全网有何启示？
本研究采用平行混合方法设计（定量+定性），这意味着数据收集和分析在定量和定性两部分中独立进行，在完成内部分析之前不纳入元推论（Tashakkori 等人，2020 年）。平行设计还提供了包含可整合到主设计中的类似子设计问题的选择。由于 LA 特别关注 GI 如何与社区暴力和 IPV 相互影响，因此增加了以下子问题：
>> GI 与亲密伴侣暴力之间有什么关系？
>> GI 与社区互动和安全之间有什么关系？
>> GI 如何影响儿童参与丰富的活动？
洛杉矶邀请所有符合条件的居民申请 GI 计划及配套研究。为了提高申请的可及性，并确保选拔过程的公平性和合法性，洛杉矶与 CGIR 和南加州大学签订合同，由 CGIR 和南加州大学监督这两个过程。CGIR 使用 Qualtrics 收集知情同意书和基线调查，告知参与者研究的自愿性质和目的，以及所收集数据的保密性。为促进公平参与，申请表还提供了英语和其他八种语言版本。在申请期结束时，超过 100,000 人完成了预筛选，超过 50,000 名参与者完成了申请，这表明社区对现金支持的巨大需求和基本信任度。CGIR 彻底审查了所有申请，删除了重复的申请，以确保每个申请者都有平等的机会被选中参与。然后，CGIR 采用随机选择和分配的方法分配治疗组和对照组的参与者。在通知和入职过程中，治疗组参与者接受了福利咨询，以确定现金转移对他们领取公共福利的影响。总之，申请和选择过程都经过精心设计，以提高透明度、可及性、公平性和公正性。
定量研究方法
研究设计和参与者选择： 在洛杉矶进行的 RCT 评估了每月 1,000 美元的保证收入在 12 个月内的影响。从 50,000 多名申请者中选出了 3,202 名参与者接受 GI。被选中的个人必须满足五项基本条件：1）居住在洛杉矶市；2）年满 18 周岁；3）至少有一名未满 18 周岁的受抚养子女或未满 24 周岁的学生，或已怀孕；4）收入水平达到或低于联邦贫困线；5）经历过与 COVID-19 相关的经济和/或医疗困难。
我们采用配额抽样的方法来确定各议会区的治疗组和对照组参与者人数。根据市政府的指示，配额抽样的第一步是根据各区符合条件的居民占全市总体贫困率的比例来分配可用名额。如下表和地图所示（图 1），市议会第 1 区有 9.8% 的安哥拉人生活在贫困中（而不是本身就有 9.8% 的贫困率）。在城市普通基金的支持下，这使得更多的名额分配到了有更多低收入洛杉矶人的地区。第二步，市议会第 6、8、9 和 10 区酌情投入资金，提供更多的名额。因此，议会选区每提供 12,000 美元（每月 1,000 美元 x 12 个月）的额外资金，就为该议会选区分配一个额外名额。事后发现，有几个区难以达到参与目标。如果这些名额仍然空缺，则重新分配给投入额外资金的地区。图 1 显示了各区的分配情况。
在被选中的参与者中，3202 人被随机分配到治疗组，从 2022 年 1 月起每月接受现金转移，4992 人被随机分配到对照组。数据收集分为四个阶段（Wave）： 基线（第 1 波），随机分组或通知分组之前（2021 年 12 月至 2022 年 4 月）；6 个月（第 2 波）（2022 年 8 月）；12 个月（第 3 波）（2023 年 2 月）；干预后 18 个月（第 4 波）（2023 年 8 月）。有关调查回复率的详细信息见附录 C。
图 1 是一幅纵向地图，显示了洛杉矶市每个市议会选区最终分配的项目名额数。黑色圆圈内的数字代表市议会选区，纯文本数字代表最终计划名额数。最终计划名额数由议会选区的贫困率以及各议会选区的一般和酌情 GBI 资金决定。难以达到最初计划招生人数的理事区将其名额合并到其他理事区，以达到参与者总数目标。
数据分析： 采用标准化方法对离群值进行管理，并采用胜数化方法。研究采用了连锁方程多重估算法（MICE）（Azur et al、 2011）来处理缺失数据，这种方法对数据缺口较大的复杂数据集非常有效。MICE 包括使用不同随机种子的多次迭代，以确保多样化和稳健的估算。对关键结果变量和选定的人口统计数据进行了估算。这一过程包括检查分布、可信度和收敛性诊断，以验证估算数据的准确性；这导致创建了多个数据集，为进一步分析奠定了基础。通过生成多个数据集（每个数据集对缺失值的估算略有不同），MICE 考虑了估算过程的不确定性。数据集分别进行分析，然后汇总在一起，得出的结果在统计上是有效和无偏的。这种方法还能确保正确计算估计值的标准误差，从而加强后续统计推断的准确性和可靠性。
由于成功确定了治疗组和对照组之间的基线等效性，研究分析得以简化。数据输入后，研究人员进行了一项综合分析，使用经过验证的方法来评估 GI 的影响。还进行了回归分析（线性、逻辑或多项式逻辑回归，取决于结果），以估计治疗组和对照组在每个时间点（基线、6 个月、12 个月和 18 个月）的平均差异比较，并对基线值进行调整。最后，考虑到研究设计的嵌套性质，我们使用了两级多层次模型来解释个人（第一级）和理事会地区（第二级）之间的差异。在控制基线测量值的情况下，对随机截距模型进行了估算，以检查治疗组和对照组各相关结果平均水平的差异。本报告提供了基本推断统计和回归分析的估计值。附录中提供了根据多层次分析得出的治疗组和对照组的全部调整均值–虽然与根据回归分析得出的调整均值差异很小。
定性方法
对同一组参与者在两个时间间隔内进行了半结构化访谈。第一轮访谈发生在付款期的中点，第二轮访谈发生在最后一笔 GI 付款的 4 个月后。第一轮访谈指南参考了前面提到的理论框架，包括健康、幸福、护理工作责任、邻里安全、价值观、财务和人际关系等方面的提示。第一轮访谈共招募了 35 名受助者，访谈持续了 1.5-2.5 个小时，具体时间取决于受助者对问题的回答。所有访谈都得到了 50 美元 Target 礼品卡作为补偿，并进行了数字录音和专业的逐字记录。参与者自行选择假名和访谈地点，其中大部分在公共公园进行。
第二轮访谈指南主要侧重于试点接近尾声时的决策轨迹，以及口述历史部分，侧重于希望、重要性和归属感的前因。积极心理学文献的基础是塞利格曼（Seligman，2002 年）所说的希望的 “三大支柱”（第 3 页），包括积极的主观体验、积极的个人特质和积极的社会制度。然而，积极心理学的研究较少关注希望的前因，其中包括为希望创造条件的环境、背景和社会学背景（Baker 等人，2021 年），它们是经济流动性的关键要素（Castro 等人，2021 年；Lybbert & Wydick，2018 年）。在对第一轮访谈进行分析后，很明显，GI 接受者发生了意想不到的变化，但并不清楚为什么一些参与者如此迅速地准备好并ab le 地为自己的目标采取行动。因此，根据前面提到的积极心理学和经济发展文献，我们在第二轮访谈中采用了口述历史的方法，以了解希望的前因以及有关财务、养育子女、社区建设、人际关系和幸福的信念。第二轮访谈招募了同样的参与者，其中 25 人回应，3 人在最后一刻取消了访谈，因此访谈样本为 22 人。访谈的报酬和记录方式与第一轮相同。
在数据收集和分析的每个阶段，都使用 “厚描述 “格式进行结构化、递归的备忘录写作，这为分析结束时的主题绘图奠定了基础（Ponterotto, 2006, p.358）。所有编码均在 Dedoose 中进行，由人工完成，不使用人工智能，并融合了语义层面编码的主题分析方法和潜在编码的基础理论方法（Braun & Clark, 2012; Charmaz, 2014）。语义层面包括价值观编码和过程编码，以了解与财务、养育子女、健康行为、人际关系和社区有关的决策和策略。潜在层面包括重点 和基于理论框架的理论编码，以了解机构、家庭历史、前因、结构性脆弱性、 前因、结构脆弱性和护理工作（Saldaña，2021 年）
转载请注明：《中国社会分红/基本收入研究网》 浏览量：23 views
